机器人基础模型：市场规模、主要厂商与融资热潮

01机器人基础模型简介

在机器人历史的大部分时间里，机器人运行的是手工编写的逻辑，或针对一台特定机器上的单一狭窄任务训练的模型；例如仓库拣选机器人的抓取模型无法迁移到另一款机械臂，更不用说人形机器人。机器人基础模型通常采用视觉—语言—动作（VLA）架构，目标是像大语言模型处理文本那样，在多种机器人和任务数据上训练一个大模型，再为新机器人或任务微调或提示，而不必从头开始。物理世界中的这种迁移能否像语言模型跨文本任务一样有效，仍是整个领域押注的核心未决问题。

02市场的形成

Google RT-1 于 2022 年 12 月以大型多任务机器人数据训练；Google DeepMind RT-2 于 2023 年 7 月把视觉语言骨干改为直接输出动作。随后 Skild AI（2023 年 5 月成立）与 Physical Intelligence（2024）融资。π0 于 2024 年 10 月发布，2025 年 2 月以 openpi 开源；同月 Figure 发布 Helix，2025 年 3 月 NVIDIA 发布 GR00T N1、Google DeepMind 公布 Gemini Robotics。六周内多团队独立发布，表明方法达到可发布阶段，不代表已成熟商业化。

03市场规模

MarketsandMarkets 估算全球“具身 AI”市场 2025 年 44.4 亿美元、2030 年 230.6 亿美元，CAGR 39%。但研究机构交替使用具身 AI、物理 AI、机器人软件、VLA／VLM 等定义，同名市场增长率约 15%—55%，说明分母不一致。

数据说明： 本细分市场的规模估算因统计范围不同而差异巨大。研究机构使用“具身智能”“物理 AI”“机器人软件”或“机器人 VLA／VLM”等不同名称；根据纳入范围，公布的复合年增长率约为 15% 至 55%。上方特意采用 MarketsandMarkets 的“具身智能”估算，是因为它来自同一家机构，两个时间点口径清晰且内部一致；这不代表它比其他口径更权威，只是两年之间更具可比性。由于基础模型提供商尚未披露出货量或收入份额，此处 `marketShare` 使用各公司最近一次公开的私募融资估值；应将其视为融资榜，而非市场份额排名。Physical Intelligence 最大的两轮融资（2024 年 11 月和 2025 年 11 月）仅见于行业媒体报道；公司未发布新闻稿确认交易或融资后估值，且不同媒体对同一轮融资给出的数字也不同，详见 Physical Intelligence 条目。

Market data as of 2026-07

04融资排名

在缺乏可比产品营收时，只能按私人融资估值比较。Figure AI 于 2025 年 9 月融资超过 10 亿美元，投后估值 390 亿；Skild AI 2026 年 1 月 C 轮后超过 140 亿；Physical Intelligence 2025 年 11 月融资 6 亿美元，据报道估值 56 亿，但 The Information 报道 50 亿，公司未自行公告确认两大融资金额或估值。估值不是营收，也存在来源争议。

05开源制衡力量

Hugging Face LeRobot 到 2026 年中约 25,700 星标、托管 56 个模型和 187 个数据集；Physical Intelligence openpi 约 12,700 星标。二者都利用 Open X-Embodiment：21 家机构、22 种机器人平台、超过 100 万条轨迹。NVIDIA 也将 GR00T 定位为开放模型，并列出多家生态伙伴；NVIDIA 与 Hugging Face 2026 年 7 月称合计触达“300 万机器人开发者”，这是公司声明，未经独立审计。

06前方挑战

本文的每一个数字之下都有两个问题。第一个是技术问题：在多种机器人和任务上训练的模型，能否像语言模型跨文本任务迁移那样，在物理世界中同样可靠地迁移；还是说，每一种新的机器人本体仍需要大量专属微调数据，以至“基础模型”更像营销表述而非现实。第二个是财务问题：Figure AI 和 Skild AI 几乎没有产品营收，估值却已达数百亿美元。如此大的估值与营收差距，在本站其他领域从未见过，即使是已有实际出货量、尽管规模仍很小的人形机器人硬件厂商也不例外。底层技术能否像投资方预期的那样实现泛化，产品营收又能否最终追上估值，都要由未来几年的实际结果来回答。

07时间线概览

08常见问题

09参考来源